匹配链接 url 的正则表达式中存在语法错误

Question

我在一些 nemerle 代码中有以下方法：

private static getLinks(text : string) : array[string] {
        def linkrx = Regex(@"<a\shref=['|\"](.*?)['|\"].*?>");
        def m = linkrx.Matches(text);
        mutable txmatches : array[string];
        for (mutable i = 0; i < m.Count; ++i) {
            txmatches[i] = m[i].Value;
        }
        txmatches
    }

问题是编译器由于某种原因试图解析正则表达式语句内的括号，导致程序无法编译。 如果我删除@，（我被告知放在那里）我在“\s”上收到无效转义字符错误

这是编译器输出：（

NCrawler.n:23:21:23:22: ←[01;31merror←[0m: when parsing this `(' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:22:57:22:58: ←[01;31merror←[0m: when parsing this `{' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:8:1:8:2: ←[01;31merror←[0m: when parsing this `{' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'

第23行是带有正则表达式代码的行）

我应该做什么？

Answer 1

我不知道 Nemerle，但似乎使用 @ 会禁用所有转义，包括 " 的转义。

尝试以下之一：

def linkrx = Regex("<a\\shref=['\"](.*?)['\"].*?>");

def linkrx = Regex(@"<a\shref=['""](.*?)['""].*?>");

def linkrx = Regex(@"<a\shref=['\x22](.*?)['\x22].*?>");

Answer 2

我不是 Nemerle 程序员，但我知道您应该始终使用 XML 解析器来处理基于 XML 的数据，而不是正则表达式。

我猜有人已经为 Nemerle 创建了 DOM 或 XPath 库，因此您可以

通过 XPath 访问 //a[@href] 或通过 DOM 访问类似 a.href.value 的内容。

当前的正则表达式不喜欢，例如

<a class="foo" href="something">bar</a>

我没有测试这个，但它应该更像它

/<a\s.+?href=['|\"]([^'\">]+)['|\"].+?>/i

Answer 3

问题出在引号上，而不是括号上。 在 Nemerle 中，就像在 C# 中一样，您可以使用另一个引号（而不是反斜杠）对引号进行转义。

@"<a\shref=['""](.*?)['""].*?>"

编辑：还要注意，您不需要方括号内的管道； 内容被视为一组字符（或字符范围），并隐含 OR。